دانلود مقاله و خرید ترجمه:استخراج خودکار اطلاعات کارشناس برای پایگاه دانش اینترنت اشیا - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
مقالات ترجمه شده اینترنت اشیاء ( Internet of Things )
  • Expert Information Automatic Extraction for IOT Knowledge Base استخراج خودکار اطلاعات کارشناس برای پایگاه دانش اینترنت اشیا
    دانلود مقاله | مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    سال انتشار:

    2019


    ترجمه فارسی عنوان مقاله:

    استخراج خودکار اطلاعات کارشناس برای پایگاه دانش اینترنت اشیا


    عنوان انگلیسی مقاله:

    Expert Information Automatic Extraction for IOT Knowledge Base


    منبع:

    sciencedirect - elsevier - Procedia Computer Science 147 (2019) 288–294


    نویسنده:

    Lu Yi, Rao Yuan, Sun Long, Li Xue


    چکیده انگلیسی:

    With the rapid development of IOT technology, the requirement of effective and ccurate retrieval of domain knowledge i g wing. Automatically extract vari us information of expert from the massive web pages and generate a dynamic and wholeness profile model are important for knowledge base. However, the obvious differences in structure and content semantics of web pages between any two websit s shows traditional web crawler ar hard to understand the semantic of the web pag and extract th critical information of expert. Therefore, a six-dimension expert profile model w s ntroduced and then a sequence tagg ng method with LSTM-CRF model was proposed to automatically extract rich semantic information basing on organization structure, meaning of words and attributes of experts. The results of the experiment on test data sets illustrated that the precisio rate and recall rate about the job experience and research field of experts are 67.8%, 66.6% and 82.4%, 79.6%, respectiv ly. In addition, the overall average F value about some obvious features of expert, such as name, title, email, achievement, etc., reaches 82.5%, which is better than the results by MEMM and LSTM algorithms.
    Keywords: Internet of Things | Expert profile model | Deep Learning | Sequence Tagging;


    چکیده فارسی:

    با توسعه سریع تکنولوژی IOT، نیاز به بازدهی موثر و دقیق دامنه دانش در حال افزایش است. استخراج خودکار اطلاعات کارشناس از صفحات عظیم وب و مدل نمایشی پویا و یکپارچه برای پایگاه دانش مهم است. با این حال، تفاوت های آشکار در ساختار و معناشناسی محتوا از صفحات وب بین هر دو وبسایت نشان می دهد که خزنده وب سنتی، معنای صفحه وب را درک نمی کند و اطلاعات بحرانی کارشناس را استخراج می کند. بنابراین، یک مدل نمایه حرفه ای شش بعدی معرفی شد و سپس یک روش برچسب گذاری توالی با مدل LSTM-CRF برای استخراج اتوماتیک اطلاعات غنی معنادار مبتنی بر ساختار سازمانی، معنی کلمات و ویژگی های متخصصان ارائه شد. نتایج آزمایش بر روی مجموعه داده های آزمایشی نشان داد که نرخ دقیق و فراخوان در مورد تجربه کار و زمینه تحقیق کارشناسان به ترتیب 67.8٪، 66.6٪ و 82.4٪ و 79.6٪ است. علاوه بر این، میانگین F در مورد برخی از ویژگی های مشخص متخصص مانند نام، عنوان، ایمیل، دستاورد و غیره، به 82.5٪ می رسد که بهتر از نتایج الگوریتم های MEMM و LSTM است.
    کلمات کلیدی: اینترنت اشیا | مدل مشخصات کارشناس | یادگیری عمیق | برچسب زدن تکراری


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 14

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 205 کیلوبایت


    قیمت: 28000 تومان  22400 تومان(20% تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی